R語言：clusterProfiler進行GO富集分析和Gene_ID轉換

ID轉換用到的是 bitr() 函數，bitr()的使用方法：

創新互聯專業為企業提供青川網站建設、青川做網站、青川網站設計、青川網站制作等企業網站建設、網頁設計與制作、青川企業網站模板建站服務，十余年青川做網站經驗，不只是建網站，更提供有價值的思路和整體網絡服務。

org.Hs.eg.db包含有多種gene_name的類型

keytypes() ：keytypes(x)，查看注釋包中可以使用的類型

columns() ：類似于keytypes()，針對org.Hs.eg.db兩個函數返回值一致

select() ：select(x, keys, columns, keytype, ...) eg.

函數enrichGO()進行GO富集分析，enrichGO()的使用方法：

舉例：

[R語言] GO富集分析可視化 GOplot::GOCircle

查看GOplot內示例數據的格式，對自己的數據做處理

觀察結論：

觀察自己的兩個數據表：

table.legend 設置為T時會顯示表格

本圖中表格和圖例是出圖后剪切拼合而成，沒有用R中的拼圖包

「GO富集分析」從原理到實踐 ~ 零基礎掌握

原本，我并無寫這一稿件的想法。主要原因有二：

如果要找合理解釋，那么針對第一點，就是每天仍然有大量新接觸生信數據分析的朋友；針對第二點，......在前兩天我推的文稿《零基礎快速完成基因功能注釋 / GO / KEGG / PFAM...》中，評論區答應了下，閱讀過5000，那就寫一寫富集分析。于是，如果不寫，總是不對。如果要寫，只能現在寫。畢竟有些事情，現在不做，以后真的不會做。

對于這一塊，完全陌生的朋友，尤其是不少生物學背景朋友，有必要溫習一下數理統計基礎。這一稿件只做原理最簡單的但使用最廣泛其速度最快的Over-Represence Analysis模式的富集分析講演。其他模式，不涉及。

回到主題，先舉個經典的抽球例子：

小紅小綠小藍三個人自稱有超能力，可以用手摸摸球就分辨出黑球白球，于是我們找來黑袋子，放100個球，其中20個白球80個黑球，讓三人分別無放回地抽取。

小紅隨機抽出來10個球，其中2個白球8個黑球，情況即，

抽球中白球比例與背景白球比例完全一致，說明小紅抽球結果隨機。

球放回去，小綠來抽球，抽出來的10個球，其中3個白球7個黑球，情況即，

這是經典的抽球案例，抽取到的白球個數的概率分布為超幾何分布。基于此，我們可以簡單計算抽取到比小綠抽取到球個數（或更多即更極端）的概率如何，在 R語言中計算，即

而對于小藍的情況，那么概率如何？

在 TBtools 中也可以計算，只是寫法有點區別

可以看到，盡管這只是一次抽球，小綠抽球中白球比例（或更極端情況）出現的概率是31.88%+，還是挺高的，于是我們有較高的把握說，小綠嘛，只是走了狗屎運。相反，小藍抽球中白球比例或更極端情況出現的概率幾乎為 0 ，我們幾乎沒啥把握說，小藍走狗屎運....換句話說，我們有理由相信，或許小藍真有抽白球的超能力.....

說了這么多，那么跟基因集合富集分析有啥關系？....基因集合功能富集分析。那么我們就需要有一個基因集合（如差異表達基因集合或ChIP-seq的Peaks或GWAS定位的系列區間），還有一個功能標簽（如 生長素信號轉導相關 ）。于是黑白球案例可以簡單調整一下。假定現在這個物種一共有100個基因，其中20個基因與生長素信號轉導相關，80個沒有注釋到與生長素信號轉導相關（換句話說，約等于無關），我們做了對植株做了處理，和CK分別測定轉錄表達譜，通過差異表達分析，鑒定到10個差異表達基因，其中2個與生長素信號轉導相關，而另外8個則沒注釋到生長素信號轉導相關，簡單畫一下，即

好，剩下的兩個就不替換了。整體上，ORA模式的富集分析，本身就是經典的抽球案例，感興趣的自行替換就可以了。

基本原理，相信都搞清楚了。不過還是有兩三點需要注意：

具體如何做物種所有基因的背景注釋，請參考前述推文《零基礎快速完成基因功能注釋 / GO / KEGG / PFAM...》。

首先，打開 TBtools GO 富集分析界面

整體如上，一共三個文件：

具體示例如下

點擊 Start ，隨后等待即可。完成時會有彈窗提示。查看輸出文件

（寫到這里，突然覺得這些都沒啥意思，不知為何....就不詳細寫了，大伙自己看看列名，猜猜吧）

很多時候，我們會選擇，篩選第一列，只看 Biological Process。一般這些與我們的生物學認知會貼近一些。

基因集合功能富集分析，是一個常常被談起的話題，甚至近期都有不少新方法或算法被提出。感興趣的朋友可以去了解。這份教程，只與大伙說最簡單，但也是使用最為廣泛的一種富集分析模式。無論是不是 TBtools 用戶，理論上來說，都可以輕松理解并掌握，從原理到實踐。

寫到一半，其實我已經不想寫了。原因非常簡單，這也是為什么在我之前，并沒有一個人寫出來 TBtools 類似的工具。不是寫不了，而是不想寫。有時候，隨著能力增長和知識積累，往往不再愿意做一些簡單的事情。或許這還涉及到年齡的增長，角色的轉變，責任的變化....云云。

小時候，我以為寫 TBtools 玩玩；

后來，我以為我會一直寫下去；

現在，，，，，，

如何從眾多go生物學分析中選取出需要的生物過程

1 如果肯下功夫，可以通過R語言獲得基因本體論以及通路富集數據并將其可視化，所用的R包可以是GOSim（GO分析），或者clusterprofiler(GOKEGG)

2 cytoscape 的插件cluego可以傻瓜式實現通路的圖片展示，可以用來直接發文章（低分的至少可以）

3 關于GO和KEGG數據的獲得，上DAVID就好

【R語言】解決GO富集分析繪圖，標簽重疊問題

前面我給大家詳細介紹過

?GO簡介及GO富集結果解讀

?四種GO富集柱形圖、氣泡圖解讀

?GO富集分析四種風格展示結果—柱形圖，氣泡圖

?KEGG富集分析—柱形圖，氣泡圖，通路圖

? DAVID GO和KEGG富集分析及結果可視化

也用視頻給大家介紹過

? GO和KEGG富集分析視頻講解

最近有粉絲反映說，利用clusterProfiler這個包繪制GO富集分析氣泡圖和柱形圖的時候，發現GO條目的名字都重疊在一起了。

氣泡圖

柱形圖

這個圖別說美觀了，簡直不忍直視。經過我的認真研究，發現跟R版本有關。前面我給大家展示的基本都是R 3.6.3做出來的圖。很多粉絲可能用的都是最新版本的R 4.1.2。

我們知道R的版本在不停的更新，相應的R包也在不停的更新。我把繪制氣泡圖和柱形圖相關的函數拿出來認真的研究了一下，終于發現的癥結所在。

dotplot這個函數，多了個 label_format 參數

我們來看看這個參數究竟是干什么用的，看看參數說明

label_format :

a numeric value sets wrap length, alternatively a custom function to format axis labels. by default wraps names longer that 30 characters

原來這個參數默認值是30，當標簽的長度大于30個字符就會被折疊，用多行來展示。既然問題找到了，我們就來調節一下這個參數，把他設置成100，讓我們的標簽可以一行展示。

是不是還是原來的配方，還是熟悉的味道

同樣的柱形圖，我們也能讓他恢復原來的容貌。

關于如何使用R做GO和KEGG富集分析，可參考下文

GO和KEGG富集分析視頻講解

標題名稱：不用R語言分析GO,R語言缺點
URL分享：http://vcdvsql.cn/article20/hsdsco.html

成都網站建設公司_創新互聯，為您提供網站收錄、網站建設、動態網站、軟件開發、App設計、定制開發

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯